《几个非参数和半参数统计方法的提出与研究》获上海市2016年度自然科学奖三等奖

时间:2017-03-23浏览:626设置

2016年度上海市科学技术奖励大会于近日举行。学部统计学院张日权、刘玉坤、汤银才的合作项目《几个非参数和半参数统计方法的提出与研究》获上海市2016年度自然科学奖三等奖。

非参数和半参数统计方法是统计学科的研究难点和热点。近年来,该方法在各应用领域得到了广泛运用,对它们的研究有着重要的理论意义和应用价值。获奖项目提出了几类具有创新性的非参数及半参数统计方法,并建立了理论框架。

项目首次提出了单指标变系数模型和变系数部分线性模型,建立了它们的统计分析理论框架。这两类模型较已有的模型更具有适应性和灵活性,克服了依赖于特定的参数模型,避免了导致严重错误的推断结果。本项目使用局部多项式、样条、Profile、广义似然、经验似然等非参数方法,在各种数据、各种分布的情形下建立了它们的估计、检验和推断方法的理论框架,为它们的广泛应用奠定了理论基础,研究了环境、金融、经济等领域的一些实际问题,得到了非常理想的结论。

项目首次提出了具有高阶推断精度且克服了无定义性的非参数调整经验似然方法,建立了它们的理论框架,为非参数似然方法在高阶推断精度方面的应用奠定了坚实的理论基础。非参数的经验似然最大的不足是其推断精度不高,且有时会没有定义而无法使用。本项目提出了能够有效地克服这些缺点的调整经验似然方法,建立了它的理论框架。使用它不仅很好地解决了创新点一提出的模型在未知分布下的估计,而且推广使用他们,解决了单样本下由估计方程所定义的参数推断问题;提出了具有高阶精度的两样本经验似然;用于对多维均值参数比较、均值参数和回归系数的变点检验和估计等问题。

项目首次提出了无信息Reference先验,完善了B-S分布的贝叶斯推断,建立了客观贝叶斯方法的理论框架。传统的无信息先验存在致命的中小样本下的不稳定及与频率意义下的概率不匹配问题。本项目提出了非传统的无信息先验--Reference先验,它具有保持变换的不变性;克服了以前贝叶斯估计没有显式表示的缺点,有效地避免了近似误差,且对样本容量要求很低,具有非常好的稳定性。使用它不仅很好地给出了创新点一提出的模型的客观贝叶斯估计,而且成功地分析了生存分析数据,得出了一系列优于传统统计方法的结果。

这些新的非参数和半参数统计方法,对统计思想、方法、理论和应用有着非常大的贡献,发表在相关领域的国际顶级期刊,如:Annals of StatisticsJournal of HydrologyComputational Statistics and Data AnalysisJournal of Nonparametric Statistics;尽管这些方法提出时间不长,但已被多名国际著名统计学家和顶级期刊广泛引用,如:Annals of StatisticsJASABiometrika,多次被邀请在国际学术会议上做大会报告。

该项目发表的20篇重要论文,SCI总引248次,SCI他引189次,其中8篇代表性论文SCI总引139次,SCI他引112次。


文:陈超

返回原图
/